伴隨著航空公司運價結構簡化的趨勢，收益管理系統應用方面也出現了一些新問題，例如“價格漩渦”效應：由于施加在運價艙位上的使用限制條件減少，旅客自然會預訂當時最低的可用艙位，那么收益管理系統獲得的訂座數據中高價艙位的預訂就會減少。這樣，收益管理系統的預測算法會認為市場上高價需求減小，因而在計算庫存控制的限制銷售數時，會減少高價艙位的庫存，增加低價艙位的庫存，結果導致更多的旅客購買低價艙位，高價艙位預訂更少，循環往復直到人工干預，此時已經造成較大的收入損失。出現這種情況的原因在于低估了旅客的高支付意愿。
本文所摘錄內容將解釋在實際中應該如何解決“價格漩渦”問題。
基于支付意愿預測需求
在一個完全無限制或無差異的運價結構中，旅客必然會購買可利用的最低票價。如前所述，基于這樣的歷史預訂數據預測未來需求會導致“漩渦”效應。因而我們需要一種新的預測方法，能夠基于每位旅客可能的支付意愿預測每個運價艙位上的需求，這與根據旅客在以前航班上被允許支付的金額進行預測的方式正好相反。
Belobaba和Hopperstad（2004）給出了上述思路的一種實現——稱為“Q-forecasting”（Q預測）。
在現實中，多數航空公司的運價結構既不會完全無限制，也不會完全受限，而是根據需求細分的要求處于“精簡的限制”或者半受限的狀態。Boyd和Kallesen（2004）提出了一種預測方法，能夠區分價格導向型（低價的）需求——只購買可利用的最低票價和產品，以及產品導向型（可伸縮的）需求——愿意為產品的特定屬性或因較少使用限制而支付較高票價。他們建議，在RMS數據庫中識別價格導向型和產品導向型需求，能使航空公司分別預測出兩種需求，并可將之混合為一種“混合型”預測結果。
混合預測方法最適宜用在半受限型運價結構中，這類運價結構以使用限制條件區分高價艙位和低價艙位，但低價艙位之間并無差異。混合預測的基本思路是將所有的歷史預訂分配到兩個需求類型中，然后針對每個類型應用恰當的預測算法。在收益管理系統預處理歷史訂座數據時，如果旅客在訂座當時就選擇了可用的最低票價，則這類旅客被認為是價格導向的；如果在旅客訂座時還有更低的艙位可選但旅客購買了較高的票價產品，則這類旅客被認為是產品導向的。傳統基于時間序列統計模型的RM預測模塊可用于預測產品導向型需求，Q預測方法則可用于價格導向型需求。
Q預測及混合預測都對早前的收益管理預測方法提出了重大改進。由于在需求預測過程中顯式考慮了“可能的超買”，就使避免在原來較少限制的運價結構下必然出現的“價格漩渦”效應成為可能。在半受限運價結構下的模擬測試說明，混合預測方法至少可提升航空公司收入2%（Reyes，2006）。如下圖所示，如果航空公司在最低價艙位6上接受的預訂請求較少，就能將旅客預訂需求“擠到”較高的運價艙位上。此時，平均客座率會出現輕微下降，但平均利潤率提升會使收入增加。
- 上一篇：中國企業2017出海報告：中國航司擴大"朋友圈"
- 下一篇：文章還沒寫出來呢